The <scp>ENIGMA‐Epilepsy</scp> working group: Mapping disease from large data sets
Notice bibliographique
Résumé
Epilepsy is a common and serious neurological disorder, with many different constituent conditions characterized by their electro clinical, imaging, and genetic features. MRI has been fundamental in advancing our understanding of brain processes in the epilepsies. Smaller-scale studies have identified many interesting imaging phenomena, with implications both for understanding pathophysiology and improving clinical care. Through the infrastructure and concepts now well-established by the ENIGMA Consortium, ENIGMA-Epilepsy was established to strengthen epilepsy neuroscience by greatly increasing sample sizes, leveraging ideas and methods established in other ENIGMA projects, and generating a body of collaborating scientists and clinicians to drive forward robust research. Here we review published, current, and future projects, that include structural MRI, diffusion tensor imaging (DTI), and resting state functional MRI (rsfMRI), and that employ advanced methods including structural covariance, and event-based modeling analysis. We explore age of onset- and duration-related features, as well as phenomena-specific work focusing on particular epilepsy syndromes or phenotypes, multimodal analyses focused on understanding the biology of disease progression, and deep learning approaches. We encourage groups who may be interested in participating to make contact to further grow and develop ENIGMA-Epilepsy.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».